Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

1 KULIAH KE-13 BIASES DAN NON SAMPLING ERROR PENGERTIAN BIAS DAN NSE FAKTOR-FAKTOR YANG MEMENGARUHI NSE HUBUNGAN VARABLE ERROR DAN BIAS SUMBER-SUMBER BIAS.

Presentasi serupa


Presentasi berjudul: "1 KULIAH KE-13 BIASES DAN NON SAMPLING ERROR PENGERTIAN BIAS DAN NSE FAKTOR-FAKTOR YANG MEMENGARUHI NSE HUBUNGAN VARABLE ERROR DAN BIAS SUMBER-SUMBER BIAS."— Transcript presentasi:

1 1 KULIAH KE-13 BIASES DAN NON SAMPLING ERROR PENGERTIAN BIAS DAN NSE FAKTOR-FAKTOR YANG MEMENGARUHI NSE HUBUNGAN VARABLE ERROR DAN BIAS SUMBER-SUMBER BIAS NON RESPONS DAN CARA MENGATASI

2 2 BIASES DAN NON SAMPLING ERROR (1)  Bias dan Non Sampling Error  Bias dan Non Sampling Error Bias merupakan systematic errors, kaitandengan variable errors Bias merupakan systematic errors, kaitandengan variable errors Bias dan non sampling error harus Bias dan non sampling error harus dipikirkan karena mempunyai pengaruh yang besar terhadap total error dipikirkan karena mempunyai pengaruh yang besar terhadap total error

3 3 NON SAMPLING ERROR (1) Non sampling error dipengaruhi oleh : Non sampling error dipengaruhi oleh : a. Kesalahan konsep -definisi a. Kesalahan konsep -definisi b. Daftar isian yang kurang baik dan b. Daftar isian yang kurang baik dan pedoman yang tidak jelas pedoman yang tidak jelas c. Kualifikasi petugas c. Kualifikasi petugas d. Pelatihan petugas lemah d. Pelatihan petugas lemah e. Responden tidak cooperative e. Responden tidak cooperative

4 4 NON SAMPLING ERROR (2) f. Pengawasan dan atau f. Pengawasan dan atau pemeriksaan serta monitoring pemeriksaan serta monitoring tidak dilakukan/ lemah tidak dilakukan/ lemah g. Editing & coding tidak dilakukan g. Editing & coding tidak dilakukan dengan baik dengan baik h. Kesalahan perekaman data h. Kesalahan perekaman data i. Lainnya i. Lainnya

5 5 Hubungan Variable Sampling Error dan Bias (1)

6 6 Hubungan Variable Sampling Error dan Bias (2)  Teknik sampling  prosedur estimasi  tingkat presisi yang digambarkan dengan RSE  Accuracy & precission  precission : small variable error  accuracy : small total errors

7 7 Hubungan Variable Sampling Error dan Bias (3) Suatu desain dapat dikategorikan :  Accurate (akurasi), yg berkaitan dengan total error. Suatu design dikatakan accurate bila mempunyai total error kecil  Precise (yang berkaitan dengan variable error),tapi tidak accurate. Suatu design misalnya mempunyai sampling error kecil akan tergolong dalam design yg mempuyai presisi yg baik  tidak keduanya

8 8   Dapat juga dikategorikan Reliability: design yang mempunyai sampling error kecil, tetapi sebenarnya mempunyai bias yang besar (design kurang mewakili populasi) Reliability: design yang mempunyai sampling error kecil, tetapi sebenarnya mempunyai bias yang besar (design kurang mewakili populasi) Validity : design yg cukup baik tetapi sampling error besar. Dalam hal ini design sudah cukup baik tetapi besarnya sample tidak memenuhi persyaratan minimum sample sizes (sample kurang) Validity : design yg cukup baik tetapi sampling error besar. Dalam hal ini design sudah cukup baik tetapi besarnya sample tidak memenuhi persyaratan minimum sample sizes (sample kurang)

9 9 Gb : Hubungan VE dan Bias

10 10 Gambar : Hubungan VE dan Bias (1) Keterangan: 1 bias dari C 2 bias dari A: : : nilai rata-rata APS ke C  Sebaran yang paling bagus dari A,B,C dan D adalah D, karena sebarannya tidak menyebar dan melewati. tinggi D termasuk accuracy tinggi :::

11 11 Hubungan VE dan Bias (2)   C: reliability-nya cukup baik (sampling error kecil tapi bias cukup besar) - Bisa terjadi seperti survey dengan sample besar (dengan telpon) tetapi sample yang masuk belum tentu mewakili populasi/ non respon besar - Terjadi juga pada mailing system (dengan post) atau framenya salah kategori.

12 12 Hubungan VE dan Bias (3)   B tergolong validity cukup baik tetapi sampling error besar. Suatu design sudah dihitung n optimum tapi biaya kurang, maka sample dikurangi sehingga varians menjadi besar, pelatihan & petugas baik  sampling error besar

13 13

14 14 Sumber-sumber Bias/ kesalahan Sampling Bias (Bias Sampling): a. Frame biases b. “Consistent” sampling biases c. Constant statistical bias 2. Non Sampling Biases (Bias Di Luar Sampling): a. Non Observation (Di luar Observasi) - Non Coverage - Non response b. Observation (dalam Observasi) - Field : data collection - Office : data processing

15 15 Sampling Bias (1) “Frame biases “ Bias terjadi karena penggunaan kerangka sampel yang salah. Contoh : digunakan kerangka sampel yang bukan data mutahir, penggunaan data pendukung yang salah (menggunakan PPS sampling tetapi size tidak ada korelasi dengan data yang kita amati) atau definisi frame tidak sesuai dengan unit analisis

16 16 Sampling Bias (2) Sampling Bias (2) Bias yang menyangkut penghitungan, seperti dalam Consistent Sampling Biases dan Constant Staistical Biases, dapat diatasi pada saat estimasi, yaitu pada saat penetapan faktor pengali dan penimbang. Sehingga hal ini dapat diamati sepanjang data yang digunakan dari hasil survei benar atau data yang digunakan sebagai pendukung akurat, misal data untuk penimbang.

17 17 “Consistent” sampling biases  Estimasi yang konsisten :  Estimasi yang konsisten :  Klaster  Klaster  Rasio estimate

18 18  Constant statistical biases  Estimasi rasio

19 19 Non Sampling Bias (Bias di Luar Sampling) Bias ini digambarkan sebagai non sampling error yang dapat berasal dari observasi (observation) maupun non observasi (observation).

20 20 Non Sampling Bias (Bias di Luar Sampling) Non sampling error akan makin besar bila banyaknya sampel makin besar, karena secara otomatis pengumpulan data akan berhadapan dengan lebih banyak responden dan lebih banyak petugas. Dengan demikian peluang untuk adanya kesalahan makin besar, apalagi bila dilakukan suatu sensus lengkap. Oleh karena itu dalam Sensus Lengkap, variabel yang dikumpulkan tidak boleh terlalu banyak. Pada kenyataan sering tidak dapat dihindari karena konsumen membutuhkan banyak jenis data untuk berbagai keperluan.

21 21 Bias di Luar Sampling (2)

22 22 Non Sampling Bias (Bias di Luar Sampling) Dari gambar di atas dapat dilihat pengaruh banyaknya sampel (n) terhadap besarnya error: Ditinyau dari segi sampling error, makin besar sampel kesalahan makin kecil, dan akan menjadi nol untuk suatu sensus (pencacahan lengkap). Ditinjau dari segi non sampling error, makin besar sampel kesalahan makin besar dan tidak terkontrol apabila pengumpulan data tidak dilakukan secara baik ditinjau dari semua aspek tahapan pengumpulan dan pengolahan data.

23 23 Non Sampling Bias (Bias di Luar Sampling) Besarnya sampling error jauh lebih mudah dikontrol terutama bila tersedia kerangka sampel dan data pendukung yang baik. Besarnya non sampling error jauh lebih sulit mengontrolnya dibanding sampling error karena tergantung dari berbagai aspek baik dari pengelola pengumpulan data, petugas maupun respondennya sendiri..

24 24 Non Sampling Bias (Bias di Luar Sampling) Dalam suatu pelaksanaan survei, kesalahan digambarkan sebagai berikut: Total kesalahan = Kesalahan sampling + Kesalahan di luar sampling Usahakan total kesalahan atau total error sekecil mungkin. Ditinjau dari segi penggunaan metode sampling, khusus dalam pelaksanaan survei sampel kondisi pada kesalahan yang digambar pada B akan mempunyai total error paling kecil. Hal dapat diperkirakan pada saat perencanaan.

25 25 Non Sampling Bias (Bias di Luar Sampling) Pada kondisi A kesalahan karena sampling cukup besar, tetapi kesalahan karena non sampling error kecil, karena banyaknya sampel tidak memenuhi syarat. Pada kondisi A kesalahan karena sampling cukup besar, tetapi kesalahan karena non sampling error kecil, karena banyaknya sampel tidak memenuhi syarat. Sebaliknya pada kondisi C kesalahan karena sampling cukup kecil tetapi non sampling error besar. Sebaliknya pada kondisi C kesalahan karena sampling cukup kecil tetapi non sampling error besar. Pada desain sampel yang dicari kondisi B dengan persyaratan survei dilaksanakan dengan baik. Pada desain sampel yang dicari kondisi B dengan persyaratan survei dilaksanakan dengan baik.

26 26 Sumber-sumber Kesalahan di Luar Sampling (Non Sampling Error) Kesalahan observasi (Observation) yaitu kesalahan yang berkaitan dengan mengumpulkan data baik yang menyangkut materi survei, petugas pengumpulan data, responden maupun pada saat pengolahan. Kesalahan di luar observasi (Non Observation) seperti kesalahan cakupan misalnya listing dilakukan tidak benar atau adanya non response.

27 27 Kesalahan Pengumpulan Data Kesalahan bisa terjadi diawali materi survei termasuk pedomannya yang dirancang kurang memenuhi persyaratan desain kuesioner. Oleh karena itu perlu diadakan pelatihan untuk kesatuan bahasa serta penetapan petugas sesuai materi survei dan ketentuan

28 28 Kesalahan Pengumpulan Data Penetapan petugas yang terus menerus untuk suatu jenis survei juga sering mengakibatkan sumber dari kesalahan antara lain disebabkan: Petugas menganggap dirinya sudah memahami materi survei, sehingga tidak serius dalam pelatihan. Adanya penyempurnaan atau perubahan konsep misalnya menjadi tidak dihiraukan.

29 29 Kesalahan Pengumpulan Data Petugas telah jenuh dengan pengumpulan data, sehingga tidak serius dalam pengumpulan data. Petugas telah hafal dengan pertanyaan pada kuesioner dan jawaban yang umum dari responden,sehingga ada kecenderungan untuk mengarahkan jawaban dari responden. Kejadian yang paling gawat, petugas memperkirakan sendiri jawaban responden. Responden lainnya diperkirakan jawaban dengan melihat kondisi dari luar.

30 30 Contoh Kasus (1) Pada suatu blok sensus terpilih terdapat beberapa penjual gado-gado, maka petugas hanya mencacah 2 atau 3 penjual dan lainnya tidak dilakukan wawancara hanya diwawancari nama saja. Langkah lanjut isian kuesioner lainnya dimodifikasi. Kasus ini terjadi pula pada misalnya usaha sablon, usaha angkot, dan sebagainya. Kasus lain bahkan lebih parah yaitu konsumsi/pengeluaran rumahtangga diperkirakan sendiri oleh petugas

31 31 Contoh Kasus (2) Kejadian semacam itu apabila terus menerus dilakukan akan menyebabkan data tidak akurat lagi dan kepercayaan terhadap pengelola survei akan hilang. Kejadian semacam itu apabila terus menerus dilakukan akan menyebabkan data tidak akurat lagi dan kepercayaan terhadap pengelola survei akan hilang. Oleh karena itu secara teori petugas pengumpul data, sebaiknya maksimum 3 kali melakukan survei yang sama. Oleh karena itu secara teori petugas pengumpul data, sebaiknya maksimum 3 kali melakukan survei yang sama.

32 32 Klasifikasi dari Sumber Error

33 33 Klasifikasi dari Sumber Error  Variable error Termasuk didalamnya sampling & non sampling error Termasuk didalamnya sampling & non sampling error Sampling error tergantung desain, misal dalam sampling 3 tahap: Sampling error tergantung desain, misal dalam sampling 3 tahap:

34 34  Variable error = varians dari 2 stage sampling unit = varians dari 2 stage sampling unit (tahap I) (tahap I) = between blok dalam desa = between blok dalam desa = between blok diantara karakteristik = between blok diantara karakteristik rumah tangga rumah tangga  Makin banyak stage varians makin besar  Makin banyak stage varians makin besar

35 35  Biases & NSE  Contoh penghitungan :  Contoh penghitungan : Bias tidak dapat bisa diukur dari surveinya sendiri, tetapi melalui studi/ pasca evaluasi survei/ sensus (PES) Bias tidak dapat bisa diukur dari surveinya sendiri, tetapi melalui studi/ pasca evaluasi survei/ sensus (PES) Sampling error S-nya bisa dihitung sesuai dengan desain samplingnya Sampling error S-nya bisa dihitung sesuai dengan desain samplingnya

36 36 Effective Sample Sizes (1)  Contoh : Effective sample sizes (besarnya sample yang efektif dengan menghitung bias). - Nilai rumah rata-rata $ Nilai rumah rata-rata $ Standar deviasi (Sy) $ Standar deviasi (Sy) $ Bias $ 320 (3,5 %) - Bias $ 320 (3,5 %) Apakah bias ini besar? Apakah bias ini besar?

37 37 Effective Sample Sizes (2)  n SE

38 38 Effective Sample Sizes (3)  Jadi SE berbanding terbalik dengan Total error n TE

39 39 Effective Sample Sizes (4)  Berapa n’ agar SE = total error n n’

40 40 Effective Sample Sizes (5)  SE & n’ makin lama makin konstan, yang paling bagus adalah 308 karena total error sudah konstan. n’ = effektif sample size

41 41 Significance Non Response Rate non response Persentase dari non response. Dicatat yang non response dan response pengganti/ penggantian sample, termasuk sampling biases. 2. Keadaan non response dibanding response Jika non response banyak (> 5%) harus mempelajari karakteristik sample res-ponse dan non response 3. Sumber dan cara mengatasi 4. Efek Non response 5. Biaya untuk mengurangi non response

42 42  Non Response Tidak di tempat (misalnya responden kita petani, PNS, sehingga petugas yg harus menyesuaikan dengan waktu responden) Menolak (berkaitan dengan budaya, ada masyarakat tertentu yg menolak diwawancara karena alasan kebudayaan, atau masalah keagamaan. Sebaiknya disertai dengan penjelasan apa yang akan didapat jika responden menjawab dengan baik) Tidak sanggup menjawab (bisa karena sakit secara fisik maupun mental, faktor bahasa) Tidak dijumpai (biasanya pada survei2 yang pengumpulan data nya melalui mailing system, survei2 yang menggunakan data panel  responden yang sama dari tahun ke tahun

43  Non Response (lanjutan) Dokumen hilang (pada saat pengiriman, atau oleh petugas di lapangan setelah wawancara, pada saat penyimpanan sementara dokumen  dokumen rusak)  Terutama survei-survei didaerah yang sulit kita memberikan tenggang waktu  biaya lebih besar (dipertimbangkan lokasi survei, untuk biaya sulit diberikan ekstra biaya dan waktu)  Misal Survei industri besar sedang  revisit 43

44 44 Efek dari Non Response (1) akan berakibat terhadap bias  Relatif Bias

45 45 Efek dari Non Response (2) karakteristik respon karakteristik respon karakteristik non respon karakteristik non respon  Jika karakteristik non respons besar dan selisih karakteristik (respons dan non respons) besar, maka BIAS makin besar  Jika karakteristik non respons besar dan selisih karakteristik (respons dan non respons) besar, maka BIAS makin besar  Misal : Mailing System data perkebunan 100 Perusahaan Misal : Mailing System data perkebunan 100 Perusahaan Jika jumlah target respon kurang dari jumlah sampel akan mempengaruhi estimasi yang dikaitkan dengan penghitungan varian. Karena pembaginya kecil (n) maka varian besar.

46 46 Efek dari Non Response (3) Ingin melihat rata-rata jumlah pohon Uraian% ResponsJml.Pohon (rata-rata) Mailing Mailing Mailing Non Respon (59)290 Jumlah

47 47 Efek dari Non Response(4)  untuk non response (59) didapat rata-rata 290. Angka ini diperoleh dari Direktori Perusahaan Pertanian ST  untuk non response (59) didapat rata-rata 290. Angka ini diperoleh dari Direktori Perusahaan Pertanian ST

48 48 Cara Mengatasi Non Response (1) Penyempurnaan prosedur Penyempurnaan prosedur - Memberikan penjelasan pentingnya survei tersebut dan efeknya pada responden (utamanya untuk survei skala besar, penjelasan lebih baik diberikan oleh orang yang memiliki otoritas) - Memberikan penjelasan pentingnya survei tersebut dan efeknya pada responden (utamanya untuk survei skala besar, penjelasan lebih baik diberikan oleh orang yang memiliki otoritas) - Melengkapi fasilitas pengumpulan data (untuk penjagan dokumen, termasuk kelengkapan surat tugas, dsb) - Melengkapi fasilitas pengumpulan data (untuk penjagan dokumen, termasuk kelengkapan surat tugas, dsb) - Memotivasi responden agar kooperatif (dengan bantuan aparat desa, memotivasi responden untuk mengetahui pentingnya data bagi perencanaan atau dengan pemberian souvenir) - Memotivasi responden agar kooperatif (dengan bantuan aparat desa, memotivasi responden untuk mengetahui pentingnya data bagi perencanaan atau dengan pemberian souvenir)

49 Cara Mengatasi Non Response (1) lanjutan - Membuat perjanjian sebelumnya - Membuat perjanjian sebelumnya Call back (revisit)  biaya revisit sebaiknya sudah dicadangkan sebelumnya sejak awal, terutama untuk survei yang respondennya perusahaan) Bisa saja petugas pencacah berbeda dengan petugas revisit. - Mailing : mengirim surat kembali (mendesak responden agar segera mengirim dokumen) - Mailing : mengirim surat kembali (mendesak responden agar segera mengirim dokumen) - Interview : revisit (dikunjungi lagi) - Interview : revisit (dikunjungi lagi) 49

50 50 Cara Mengatasi Non Response (2) Sub sampling dari Call back (memilih beberapa sampel untuk di revisit, tidak semua sampel) Memperkirakan efek dari responden Substitusi/ pengantian sample - Dilakukan untuk responden yang sebarannya normal (jika distribusi tidak normal maka tidak bisa dilakukan penggantian sampel karena akan berpengaruh terhadap estimasinya) - Jika distribusi tidak normal, tidak bisa dilakukan penggantian sample karena tidak akan mewakili populasi.


Download ppt "1 KULIAH KE-13 BIASES DAN NON SAMPLING ERROR PENGERTIAN BIAS DAN NSE FAKTOR-FAKTOR YANG MEMENGARUHI NSE HUBUNGAN VARABLE ERROR DAN BIAS SUMBER-SUMBER BIAS."

Presentasi serupa


Iklan oleh Google